基于人工智能病理图像识别的多倍体肝细胞癌预后评估新策略

本研究针对多倍体肝细胞癌（HCC）临床诊断难题，开发了基于深度学习的人工智能（AI）病理图像分析系统。研究人员通过分析HE染色切片，构建了HIPT_unfrozen2等模型，在独立队列和TCGA数据集中成功识别预后不良的多倍体HCC（36-38%占比），其预后预测效能显著优于基因组分析（p<0.002）。该技术为个性化医疗提供了可临床推广的新型诊断工具。

　　

肝细胞癌（HCC）作为全球癌症相关死亡的主要原因之一，术后5年生存率不足60%，其异质性给临床预后评估带来巨大挑战。近年来研究发现，约36-38%的HCC存在多倍体现象（polyploidy），这类肿瘤表现出更强的侵袭性和更差的预后。然而传统检测方法如荧光原位杂交（FISH）和基因组分析存在操作复杂、成本高昂等问题，难以在临床推广。这一困境激发了日本大阪大学和神户大学联合团队的研究灵感——能否通过人工智能（AI）破解病理图像中隐藏的多倍体特征密码？

研究团队创新性地构建了HIPT_unfrozen2等多模型系统，采用分层自监督学习策略，对来自神户大学医院的169例HCC样本和TCGA数据库350例样本进行分析。关键技术包括：1）多实例学习框架处理2048×2048像素的高分辨率病理图像；2）结合CNN（DenseNet121/ResNet50d/EfficientNet_B0）和视觉Transformer（ViT）架构；3）染色体FISH验证的44例样本作为训练集；4）通过t-SNE降维可视化肿瘤异质性。

Development of an AI-based image recognition model to estimate HCC ploidy
研究首先在44例FISH验证样本上构建模型，EfficientNet_B0模型达到AUC 0.998的优异性能。为解决染色差异问题，开发的EfficientNetB0_gray模型通过灰度转换保持诊断效能（AUC 0.998），而HIPT_unfrozen2模型凭借自监督预训练优势，在计算成本降低的同时实现可比性能。

AI-based ploidy assessment identified polyploid HCC cases with poor prognosis within a large cohort
在38例独立验证集（Dataset 2）中，HIPT_unfrozen2模型AUC达0.828。对169例队列（Dataset 3）分析显示，AI识别的多倍体HCC（56例）具有显著更高的AFP水平（p=0.0002）、低分化比例（p=0.0004）和特征性MTM/硬化结构（scirrhous）。

Analysis of a large cohort revealed the characteristics of polyploid HCC
t-SNE分析揭示多倍体HCC独特的病理特征聚类，尤其多核巨癌细胞（PGCC）与多倍体评分高度相关。免疫组化证实多倍体HCC中UBE2C表达显著升高，验证了前期研究发现。

The Al model robustly identified polyploid HCC in a public dataset and predicted a poor prognosis
在TCGA数据集分析中，HIPT_unfrozen2模型鉴定出的多倍体HCC（n=227）与基因组GD状态显著相关（p=0.0021），且预后分层能力优于SNP阵列结果（p<0.05）。值得注意的是，AI识别为多倍体但基因组GD阴性的HCC仍表现出高染色体不稳定性评分和不良预后。

The HIPT_unfrozen2 model outperforms conventional methods for estimating HCC ploidy from pathological images
与传统PUB评分（PGCC+UBE2C）相比，HIPT_unfrozen2在相同样本中展现出更显著的预后预测能力（p=0.017 vs 0.063）。与HEIP核形态分析工具对比，该模型整合了组织架构等多维信息，使核面积（r=0.61）和长轴（r=0.59）等单一参数相形见绌。

这项发表于《Communications Medicine》的研究开创了AI病理诊断新范式。通过将深度学习与自监督学习相结合，HIPT_unfrozen2模型不仅实现了多倍体HCC的高精度识别（0.06秒/4mm²），更揭示了硬化结构等新型病理标志。其临床价值体现在三方面：1）为KIF18A等靶向治疗提供伴随诊断可能；2）突破基因组分析的技术局限，尤其对GD阴性但具有CIN特征的HCC更具识别力；3）通过开源代码（GitHub: LiverNploid）促进技术推广。该研究为癌症多倍体研究提供了可扩展的技术框架，其整合病理-基因组多维信息的理念，有望拓展至乳腺癌、结直肠癌等其他染色体不稳定性高发的癌种。